头颈部放疗后咳嗽、呼气训练与慢性误吸
该数据集来自 clinicaltrials.gov,聚焦头颈部癌症患者放疗后的咳嗽、呼气训练与慢性误吸问题。研究涉及 EMST 设备的使用,用于强化吞咽和咳嗽相关肌肉,训练方案为每周 5 天、每天 5 组、每组 5 次,持续 8 周,每天约 15 分钟,并每周与言语病理学家会面一次

基本信息
资源简介
头颈部放疗后咳嗽、呼气训练与慢性误吸
该数据集来自 clinicaltrials.gov,聚焦头颈部癌症患者放疗后的咳嗽、呼气训练与慢性误吸问题。研究涉及 EMST 设备的使用,用于强化吞咽和咳嗽相关肌肉,训练方案为每周 5 天、每天 5 组、每组 5 次,持续 8 周,每天约 15 分钟,并每周与言语病理学家会面一次。数据可用于分析呼气训练对吞咽和咳嗽功能的影响,以及预测慢性误吸风险(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:头颈部癌症。研究访视:如果您被认定符合条件并且同意参加 EMST 治疗研究的治疗部分,您将接受培训,学习如何使用 EMST 设备。该设备旨在帮助增强用于吞咽和咳嗽的肌肉。要使用这个小巧的手持设备,您需要佩戴鼻夹以防止空气从鼻子逸出。您将被要求坐直,深吸一口气,屏住呼吸片刻,然后用力向设备内吹气,直到密封被冲破。您将在家中使用 EMST 设备,按照 5-5-5 方案(5 次重复、5 组、每周 5 天)持续 8 周。使用 EMST 设备在您训练的每一天应花费约 15 分钟。在这 8 周期间,每周一次,您将在 MD Anderson 头颈中心与言语病理学家会面。每次访视时,您将使用该
【主题与分类】
主题标签:Head and Neck Cancer。本站分类:肿瘤。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT02662907
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT02662907
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
疾病:头颈部癌症。研究访视:如果您被认定符合条件,并同意参加EMST疗法研究的治疗部分,您将接受如何使用EMST设备的培训。该设备旨在帮助增强用于吞咽和咳嗽的肌肉。使用这个小巧的手持设备时,您需要佩戴鼻夹,以防止空气从鼻子逸出。您将被要求坐直,深吸一口气,屏住呼吸片刻,然后用力向设备内吹气,直到密封被冲破。您将在家里按照5-5-5计划使用EMST设备(每次5组,每组5次重复,每周5天),持续8周。使用EMST设备在您训练的每一天应大约需要15分钟。在这8周期间,每周1次,您将在MD Anderson头颈中心与言语病理学家会面。每次访视时,您将使用数字压力计重新测试您呼气和咳嗽的用力程度。EMST设备的阻力将根据每周的测量结果进行调整。研究时长:您将参与研究最长12个月。
您的研究参与将在下述随访电话后结束。如果您无法使用EMST设备、医生认为提前退出对您最有利,或您无法遵循研究指示,您将被提前终止研究。随访访视:使用EMST设备8周后,您将进行一次随访访视。* 您将接受与筛选时相同的功能测试(改良钡餐吞咽检查以及舌力、张口度和用力呼气及咳嗽能力的测试)。* 您将填写问卷,并被询问有关症状和生活质量的问题。随访电话:在您加入研究12个月后,我们将通过电话联系您,以完成4份关于您的症状、健康和生活质量的问卷。这通电话最多需要15分钟。这是一项研究性研究。EMST设备已获FDA批准用于锻炼
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




